深度学习之TensorFlow入门

今天主要研究tensorflow的基本模型.它的模型分为计算模型\数据模型\运行模型.首先,我们看一下他的计算模型.

1.Tensorflow计算模型----计算图

Tensorflow中有一个基本概念:计算图.tensorflow中所有的计算都会被转化为计算图中的节点。

首先解释一下什么是tensorflow（tensor是张量，在这里我们就简单得理解为多位数组，flow就是流，那么从这两点我们就可以知道tensorflow的计算流程，就是多维矩阵之间的成流的计算）

然后解释一下什么是计算图：结点表示一种运算（比如加法或者数据的读取，即输出固定值得计算），箭头指向的是计算之前的依赖。

    最后看一下计算图怎么使用。

   系统会自动维护一个计算图，上图的代码中我们就建立了3个计算节点，两个是输出固定数据，第三个是加法（这个加法计算依赖a，b的读取）。然而，此外我们还可以自己建立计算图：

例如，在这个代码中，我们建立了g1，g2两个计算图。只要不在同一个计算图中，他们的变量和数据就是完全隔离的，和两个程序一样！

2.Tensorflow的数据模型---张量

     张量，简单的理解就是多维数组。0阶张量就是一个数字，1阶的是向量，也就是一维数组。不多说，上代码：

     从上图中，我们可以看出在张量中有三个属性：名字（add节点的第0个输出），维度（1维数组长度为2,），类型。所以张量本身是没有存储具体的计算结果的！

3.Tensorflow的运行模型---会话

已经定义好了运算和数据，执行这个计算的是这个会话。

创建会话的过程如下：